STK 572 Manajemen Data Statistik

dokumen-dokumen yang mirip
Mata Kuliah Pemodelan & Simulasi

PEMBANGKIT RANDOM VARIATE

Dengan demikian, untuk sembarang B = [a, b], maka persamaan (5.1) menjadi

Membangkitkan Bilangan Acak Menggunakan Matlab

Membangkitkan Bilangan Acak Menggunakan Matlab. Achmad Basuki

PembangkitVariabelRandom

MA5181 PROSES STOKASTIK

MA3081 STATISTIKA MATEMATIKA We love Statistics

STATISTIK PERTEMUAN VI

Pengantar Statistika Matematik(a)

Peubah Acak dan Distribusi Kontinu

Pengantar Statistika Matematik(a)

Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

CNH3E3 PROSES STOKASTIK Peubah Acak & Pendukungnya

BEBERAPA DISTRIBUSI KHUSUS DKINTINU DIKENAL

DISTRIBUSI SATU PEUBAH ACAK

STK 203 TEORI STATISTIKA I

Dasar-dasar Simulasi

Distribusi Peluang Kontinu. Bahan Kuliah II2092 Probabilitas dan Statistik Oleh: Rinaldi Munir Sekolah Teknik Elektro dan Informatika ITB

Learning Outcomes Sebaran Kontinu Nilai Harapan dan Ragam Beberapa Sebaran Kontinu. Peubah Acak Kontinu. Julio Adisantoso.

Peubah Acak. 14-Sep-07 TPADF (Kelas Ganjil/ Rahmat) Lecture 2 page 1

STK 203 TEORI STATISTIKA I

STMIK AMIKOM PURWOKERTO PENGOLAHAN CITRA DIGITAL. Transformasi Citra ABDUL AZIS, M.KOM

Peubah Acak. Bab 4. Definisi 4.1 Peubah acak adalah suatu fungsi dari ruang contoh ke bilangan nyata, f : S R

METODE MONTE CARLO. Pemodelan & Simulasi TM11

Cara memperoleh data: Zaman dahulu, dgn cara : Melempar dadu Mengocok kartu

BEBERAPA TEKNIK DISTRIBUSI FUNGSI PEUBAH ACAK

BI5106 ANALISIS BIOSTATISTIK Bab 3 Peubah Acak dan Dist

MA2082 BIOSTATISTIKA Bab 3 Peubah Acak dan Distribusi

Pertemuan V Konsep Peubah Acak dan Sebaran Peluang (Random Variable Concept and Probability Distribution)

BILANGAN ACAK. Metode untuk mendapatkan bilangan acak : 1. Metode Kongruen Campuran Rumus :

25/09/2013. Konsep Peubah Acak. Metode Statistika (STK211) Peubah Acak Diskret. Kuis. Tipe Peubah Acak

STATISTIKA UNIPA SURABAYA

STK 203 TEORI STATISTIKA I

Peubah Acak dan Distribusi

PENS. Probability and Random Process. Topik 5. Beberapa jenis Distribusi Variabel Acak. Prima Kristalina April 2015

Pembangkitan Bilangan Acak dengan Memanfaatkan Fenomena Fisis

Learning Outcomes Peubah Acak Fungsi Sebaran Secaran Diskret Nilai Harapan. Peubah Acak. Julio Adisantoso. 13 Maret 2014

SIMULASI ANTRIAN PELAYANAN BONGKAR MUAT KAPAL

MA5181 PROSES STOKASTIK

Metode Statistika (STK 211) Pertemuan ke-5

II. LANDASAN TEORI. sementara grafik distribusi F tidak simetrik dan umumnya sedikit positif seperti

KONSEP DASAR TERKAIT METODE BAYES

A. Distribusi Gabungan

Distribusi Bilangan Acak

Transformasi Laplace

Metode Statistika (STK211)

28/09/2012 SAMPLE SPACE, SAMPLE POINTS, EVENTS. ω Ω

TINJAUAN PUSTAKA. ruang sampel dan dilambangkan dengan huruf S. Ruang sampel beranggotakan

A. Distribusi Gabungan

PEUBAH ACAK DAN SEBARANNYA

LANDASAN TEORI. Generalized Lambda Distribution (GLD) awalnya diusulkan oleh Ramberg dan

Definisi 4.1 Fungsi f dikatakan kontinu di titik a (continuous at a) jika dan hanya jika ketiga syarat berikut dipenuhi: (1) f(a) ada,

Sampling dengan Simulasi Komputer

DISTRIBUSI PELUANG KONTINYU DISTRIBUSI PROBABILITAS

PENGACAKAN RANDOM SAMPLING DENGAN PENDEKATAN INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BERBASIS DISTRIBUSI HIPERGEOMETRIK

Pengantar Proses Stokastik

MINGGU KE-6 VARIABEL RANDOM DAN DISTRIBUSINYA

RESTORASI CITRA. Budi s

Metode Statistika STK211/ 3(2-3)

PENDEKATAN INVERSE-TRANSFORM RANDOM VARIATE GENERATOR BERBASIS DISTRIBUSI GEOMETRI PADA PENGACAKAN RANDOM SAMPLING

PEMBANGKIT BILANGAN ACAK (Random Number Generator)

Definisi: Nilai harapan/ekspektasi (expected value/expectation) atau ekspektasi dari peubah acak diskrit/kontinu X adalah

STATISTICS. WEEK 5 Hanung N. Prasetyo TELKOM POLTECH/HANUNG NP

Distribusi Peluang. Maka peubah acak X dinyatakan dengan banyaknya kemunculan angka. angka sama sekali. angka.

Bab II Kajian Teori Copula

#12 SIMULASI MONTE CARLO

MA6281 Topik Lanjut dalam Statistika ANALISIS DATA DENGAN COPULA Dependency is not necessarily bad

Probabilitas dan Statistika Variabel Acak dan Fungsi Distribusi Peluang Diskrit. Adam Hendra Brata

4. BILANGAN ACAK dan Pembangkitannya

Model dan Simulasi Universitas Indo Global Mandiri

PEMODELAN BILANGAN ACAK DAN PEMBANGKITANNYA. Pemodelan & Simulasi

PEMBANGKIT BILANGAN ACAK

Makalah Matematika Asuransi MODEL PARAMETRIK TAHAN HIDUP

BAB II TINJAUAN PUSTAKA. (b) Variabel independen yang biasanya dinyatakan dengan simbol

Catatan Kuliah AK5161 MATEMATIKA KEUANGAN AKTUARIA. Insure and Invest! Khreshna I.A. Syuhada, MSc. PhD.

MODUL 11 FUNGSI EKSPONENSIAL & LOGARITMA

tidak terdefinisi ketika x = 1, tetapi dapat kita peroleh

Pengukuran dan Peningkatan Kehandalan Sistem

MA4183 MODEL RISIKO Control your Risk!

Transformasi Laplace BDA, RYN MATERI KULIAH KALKULUS TEP FTP UB

Catatan Kuliah MA3081 STATISTIKA MATEMATIKA Statistika Mengalahkan Matematika. disusun oleh Khreshna I.A. Syuhada, MSc. PhD.

LIMIT DAN KEKONTINUAN

II. TINJAUAN PUSTAKA. Dalam mengkaji penelitian Karakteristik Penduga Parameter Distribusi Log

BAB 9 FUNGSI LOGARITMA

BAB II LANDASAN TEORI

Peubah Acak (Lanjutan)

PERCOBAAN 1 PENGENALAN MATLAB UNTUK STATISTIK

Sumbu X (horizontal) memiliki range (rentang) dari minus takhingga. ( ) hingga positif takhingga (+ ). Kurva normal memiliki puncak pada X

PENS. Probability and Random Process. Topik 4. Variabel Acak dan Distribusi Probabilitas. Prima Kristalina April 2015

Bab 7 Ekspektasi dan Fungsi Pembangkit Momen: Cintailah Mean

BAB II TINJAUAN PUSTAKA

Bagian 2. Probabilitas. Struktur Probabilitas. Probabilitas Subyektif. Metode Frekuensi Relatif Kejadian untuk Menentukan Probabilitas

BAB II TINJAUAN PUSTAKA. return, mean, standard deviation, skewness, kurtosis, ACF, korelasi, GPD, copula,

MA3081 STATISTIKA MATEMATIKA We love Statistics

MA4183 MODEL RISIKO Control your Risk!

Minggu 4-5 Analisis Model MA, AR, ARMA. Minggu 6-7 Model Diagnostik dan Forecasting. Minggu 8-9 Analisi Model ARI, IMA, ARIMA

Distribusi Probabilitas Kontinyu Teoritis

Identifikasi Pola Kerusakan Komponen Kritis pada Mesin EAF dengan Simulasi Monte Carlo

TINJAUAN PUSTAKA. Generalized Eksponensial Menggunakan Metode Generalized Momen digunakan. merupakan penjabaran definisi dan teorema yang digunakan:

Transkripsi:

STK 572 Manajemen Data Statistik Pertemuan 12 Tim Dosen: Dr. Farit Muhammad Affendi Dr. Agus M Soleh

Pembangkitan Bilangan Acak Dr. Agus M Soleh agusms@apps.ipb.ac.id 2

Pendahuluan Pembangkitan bil. acak merupakan alat yang diperlukan dalam komputasi statistik umumnya untuk simulasi Bilangan acak yang dibangkitkan merupakan pseudorandom (acak yang semu) Bilangan acak yg dibangkitkan diharapkan memenuhi sebaran statistik tertentu (pdf/pmf, cdf) Semua metode pembangkitkan bil. acak tergantung dari pembangkitan bil. acak uniform

Pembangkitan Bil. Acak Uniform Metode sederhana untuk bangkitkan bil. acak Uniform (0,1) Misal m bil. bulat yg besar dan b bil. bulat b<m Nilai b dipilih biasanya dekat akar dari m Langkah awal memilih seed: x0 antara 1 dan m Generator bil. acak : x1 = b x0 (mod m) u1 = x1/m u1 adalah bil. acak semu pertama Uniform(0,1)

Pembangkitan Bil. Acak Uniform Bil. acak berikutnya diulang x2 = b x1 (mod m) u2 = x2/m Secara umum: x n = b x n-1 (mod m) un = xn/m

Pembangkitan Bil. Acak Uniform Ilustrasi: m=30269 b=171 x0=23121 OUTPUT:

Pembangkitan Bil. Acak Uniform Bangkitkan data sebanyak 100: m=7 b=3 x0=2 m=29241 b=171 x0=3

Membangkitkan Bilangan Acak SAS telah menyiapkan banyak fungsi untuk membangkitkan data berdasarkan sebaran Fungsi RAND diikuti dengan nama sebaran atau nama sebarannya Contoh: Pembangkit bilangan menggunakan seed yang umumnya mengambil waktu di komputer, selainnya call streaminit(seed)

Peluang Sebaran Fungsi density/mass (pdf/pmf) : PDF ( sebaran ) Fungsi kumulatif (cdf) CDF( sebaran ) Fungsi quantile/invers QUANTILE( sebaran )

Sebagian Fungsi sebaran dalam SAS

Bagaimana jika belum ada fungsi pembangkit bil. acak?

Teknik Pembangkitan Bil. Acak Teknik umum dalam pembangkitan bil. acak Inverse-transform method Acceptance-rejection method Other Special techniques Direct Transformation, Convolution

Inverse Transform Method Berdasarkan teori Probability Integral Transformation: Jika X adalah peubah acak kontinu dengan cdf F(x), maka U = F(X) ~ Uniform(0,1). Menerapkan transformasi integral peluang. Didefiniskan transformasi invers: F -1 (u) = inf{x : F(x) = u}, 0 < u <1 Jika U ~ uniform(0,1), maka untuk semua x anggota R P(F -1 X(u) x) = P(inf{t : F X (t)= U} x) = P(U F X (x)) = F U (F X (x)) = F X (x) Akhirnya F -1 X(u) memiliki sebaran yang sama dengan X

Inverse Transform Method Konsep: Untuk fungsi cdf : r = F(x) Bangkitkan data dari uniform (0,1) Maka x: x = F -1 (r) r r = F(x) 1 x 1 14

Inverse Transform Method Ilustrasi: Diketahui pdf : f(x) = 3x 2, 0 < x < 1 F X (x) = x 3, 0 < x < 1 F -1 X(u) = u 1/3, Dalam SAS (misal membangkitkan 1000):

Inverse Transform Method Latihan: X dari sebaran eksponensial dengan mean 1/λ Jika X ~ Exp(λ), maka untuk x > 0 cdf dari X adalah F X (x) = 1-e -λx Bangkitkan X ~ Exp (λ) sebanyak 1000

ITM: Sebaran Diskret Jika X ~ p.a. diskret dan < x i-1 < x i < x i+1 < adalah titik tidak kontinu dari F X (x), maka transformasi inversnya adalah F -1 X(u)=x i dimana F X (x i-1 ) < u < F X (x i ). Langkah: Bangkitkan uniform (0,1) Tentukan x i dimana F X (x i-1 ) < u < F X (x i )

ITM: Sebaran Diskret Ilustrasi: Membangkitkan bil. acak ~ Bernoulli (0.4) F X (0) = f x (0) = 1-p dan F X (1) = 1. F -1 X(u) = 1 jika u > 0.6 F -1 X(u) = 0 jika u <= 0.6 Dalam SAS 600 500 400 Frequency 300 200 100 0 0 1 X

ITM: Kasus Sebaran Diskret Ilustrasi: Misal banyaknya pengiriman, x, dari suatu perusahaan adalah 0, 1, atau 2 kali Data Sebaran Peluang: x p(x) F(x) 0 0.50 0.50 1 0.30 0.80 2 0.20 1.00 Metode Diberikan U, Skema pembangkit: x 0, 1, 2, U 0.5 0.5 U 0.8 U 0.8 1.0 Perhatikan U 1 = 0.73: F(x i-1 ) < U <= F(x i ) F(x 0 ) < 0.73 <= F(x 1 ) Maka, x 1 = 1 19

Bagaimana jika sulit untuk mendapatkan cdf?

Acceptance-Rejection method Misalkan X dan Y adalah peubah acak dengan pdf/pmf f dan g dan terdapat konstanta c sehingga f(t) / g(t) c. Untuk semua t: f(t) > 0 Teknik: 1. Tetapkan peubah acak Y dengan density g yg memehuni f(t)/g(t) c. Untuk semua t: f(t) > 0. 2. Untuk setiap satu bil. acak: a. Bangkitkan y acak dari sebaran dengan density g b. Bangkitkan u acak dari sebaran Uniform(0,1). c. Jika u < f(y)/(c g(y)) terima y dan x=y; selainnya tolak y dan ulangi langkah 2(a)

Acceptance-Rejection method Ilustrasi: Membangkitkan bil. acak sebaran beta (shape1=2, shape2=2) Pdf dari beta(2,2) : f(x) = 6x(1-x), 0 < x < 1. Tahap: 1. Ambil g(x) dari sebaran Uniform(0,1) 2. Maka f(x)/g(x) 6 untuk 0 < x < 1. 3. Sebuah x acak dari g(x) diterima jika f(x)/ [c g(x)] = 6x(1-x) / [6(1)] = x(1-x) > u

Acceptance-Rejection method Dalam SAS: 10 Distribution of x 8 6 Percent 4 2 0 0.03 0.09 0.15 0.21 0.27 0.33 0.39 0.45 0.51 0.57 0.63 0.69 0.75 0.81 0.87 0.93 0.99 x

Metode Lain: Direct Transformation Beberapa transformasi dari tranformasi invers sebaran dapat digunakan untuk membangkitkan bil. acak: Jika Z ~ N(0,1), maka V = Z 2 ~ χ 2 (1) Jika U ~ χ 2 (m), V ~ χ 2 (n), U dan V bebas, maka F = (U/m ) / ( V/n) ~ F (m,n) Jika Z ~ N(0,1) V ~ χ 2 (n) dan U dan V bebas, maka T = Z / sqrt(v/n) ~ t-student (n) dst

Selesai